使用SAP Leonardo上的機器學習服務提取圖片的特徵向量
要想提取圖片的特徵向量，首先得知道特徵向量是什麼。
我們假設這樣一個服務場景，技師上門維修某裝置，發現上面某零件損壞了，假設這位技師由於種種原因，沒能根據自己的經驗識別出這個零件的型號。此時技師掏出自己的手機，給零件拍攝一張圖片，這張圖片通過手機上安裝的SAP某智慧解決方案，傳送到SAP Leonardo平臺，通過那裡的人工智慧服務，自動識別出這張圖片上面零件的準確型號，返回給技師。
SAP Leonardo上的人工智慧服務，在接收到技師上傳的圖片後，通過某種演算法將該圖片的特徵向量提取出來，然後再通過平臺上基於大量資料集訓練好的模型，識別出準確型號。因此，圖片特徵向量的提取，成為了這個智慧解決方案的首要步驟。
特徵向量的提取，從數學上說，就是通過某種演算法，把輸入圖片的二進位制流，轉換成一個向量(一維矩陣)。
以下面這張圖裡的梯形和圓形為例，我們把圖形均勻地分成9個區域，在圖形中心觀察每個區域內圖形單元的梯度方向，就可以實現降維，把二維影象以一個一維矩陣來表示。
當然實際的圖形輪廓識別和降維處理採用的演算法比這個例子複雜得多，Jerry也不懂。幸運的是，對SAP partners來說，不需要了解這裡面的數學知識和技術知識，只需要把SAP Leonardo上的人工智慧服務當成一個黑盒子，通過Restful API的方式，把要提取特徵向量的圖片“喂”給人工智慧服務，就能得到特徵向量輸出。
通過這個url進入SAP Leonardo圖片特徵向量提取服務的測試控制檯和幫助文件：
https://api.sap.com/api/img_feature_extraction_api/resource
使用非常簡單，直接在測試控制檯裡從本地選擇一張圖片，點選執行按鈕：
得到了輸出的特徵向量：
要獲取更多Jerry的原創文章，請關注公眾號"汪子熙":
相關推薦
使用SAP Leonardo上的機器學習服務提取圖片的特徵向量
要想提取圖片的特徵向量，首先得知道特徵向量是什麼。 我們假設這樣一個服務場景，技師上門維修某裝置，發現上面某零件損壞了，假設這位技
使用Java程序消費SAP Leonardo的機器學習API
在哪裏 替換 圖1 pom.xml gson 選擇 完成 判斷 ear 以sap leonardo作為關鍵字在微信上搜索，能搜到不少文章。但是我瀏覽了一下，好像沒有發現有從具體編程角度上來介紹的。所以我就貢獻一篇。 需求 開發一個Java程序，用戶可以指定一張圖片，該Ja
如何對SAP Leonardo上的機器學習模型進行重新訓練
Jerry之前的兩篇文章介紹瞭如何通過Restful API的方式，消費SAP Leonardo上預先訓練好的機器學習模型： 如何
機器學習(十一) 支持向量機 SVM（上）
gin 模型 結構 線性可分 adding 統計學習 lis 可能 方法 一、什麽是支撐向量機SVM （Support Vector Machine） SVM(Support Vector Machine)指的是支持向量機，是常見的一種判別方法。在機器學習領域，是一個有監
當小樣本遇上機器學習 few shot learning
https://blog.csdn.net/mao_feng/article/details/78939864 [1] G Koch, R Zemel, and R Salakhutdinov. Siamese neural networks for
關於SQL server 2017無法安裝機器學習服務的問題解決方式
1.安裝sql server2017，在安裝機器學習伺服器時會出現如下問題，無法進行線上安裝，需要先將四個地址對應的安裝包進行下載 2.下載後的檔案如下： 3.選擇檔案所存放的位置後發現，還是不能
用scikit-learn掌握機器學習（三）特徵提取和預處理
從分類資料中提取特徵 from sklearn.feature_extraction import DictVectorizer onehot_encoder = DictVectorizer() #字典轉onehot用DictVectorizer() i
當小樣本遇上機器學習 fewshot learning
引言 深度學習(deep learning)已經廣泛應用於各個領域，解決各類問題，例如在影象分類問題下，如圖1，區分這10類目標的準確率目前可以輕鬆做到94%。然而，deep learning是一種data hungry的技術，需要大量的標註樣本才能發揮作用。圖1 現
不可錯過的精彩回顧：6種雲機器學習服務
原文連結：Review: 6 machine learning clouds 作者：Martin Heller 譯者：郭芮，關注大資料領域，尋求報道或投稿請發郵件[email protected]。 Amazon，Microsoft，
AWS Apache Mxnet 機器學習_亞馬遜機器學習服務
為 MXNet 專案貢獻力量的人員有 500 多名，其中包括來自 Amazon、英偉達、英特爾、三星和微軟公司的開發人員。瞭解更多有關客戶如何使用 MXNet 開展深度學習專案的資訊。有關更多案例研究，請參閱 AWS 機器學習部落格和 MXNet 部落格。
Amazon Deep Learning AMI_機器學習服務
AWS Deep Learning AMI 可以為機器學習從業人員和研究人員提供基礎設施和各種工具，從而加快在雲中進行任意規模的深度學習的速度。您可以快速啟動預先安裝了常見深度學習框架 (如 Apache MXNet 和 Gluon、TensorFlow、Microsoft Cognitiv
Amazon Machine Learning_機器學習服務
Amazon Machine Learning 提供視覺化工具和嚮導來指導您完成機器學習 (ML) 模型的建立過程，您不必學習複雜的 ML 演算法和技術。當您的模型準備好以後，Amazon Machine Learning 只要使用簡單的 API 即可讓您的應用程式輕鬆獲得預測能力，而無需實
Amazon Machine Learning 機器學習_機器學習服務
20 多年來，Amazon 在人工智慧領域投入了大量資金。機器學習 (ML) 演算法驅動了我們的許多內部系統。這也是我們客戶所體驗的功能的核心 – 從我們運營中心的路徑優化和 Amazon.com 的推薦引擎到 Alexa 提供技術支援的 Echo、我們的無人駕駛飛機 Prime Air 以
Spark 2.0 機器學習 ML 庫：特徵提取、轉化、選取（Scala 版）
一、前言 二、程式碼 1.TF-IDF（詞頻-逆向文件頻率） TF（詞頻Term Frequency）：HashingTF不CountVectorizer用於生成詞頻TF向量。 HashingTF是一個特徵詞集的轉換器（Tr
小樣本學習遇上機器學習--------隨筆記錄
深度學習(deep learning)已經廣泛應用於各個領域，解決各類問題，例如在影象分類問題上，如圖1，區分這10類目標的準確率目前可以輕鬆做到94%。然而，deep learning是一種data hungry技術，需要大量的標註樣本才能發揮作用。
在linux上使用tomcat服務器圖片驗證碼不顯示問題
不出 true 頁面 正常 bin java java.awt ava 項目 背景描述：在liunx系統上，使用tomcat中間件，訪問web項目，登錄頁面的圖片驗證碼顯示不出來，但是在window系統上可以正常顯示 解決方案：設置一下這個文件tomcat/bin/cat
手把手教你整合華為機器學習服務（ML Kit）人臉檢測功能
當給自己拍一張美美的自拍照時，卻發現照片中自己的臉不夠瘦、眼睛不夠大、表情不夠豐富可愛…如果此時能夠一鍵美顏瘦臉並且新增可愛的貼紙的話，是不是很棒？ 當家裡的小孩觀看iPad螢幕時間過長或者眼睛離螢幕距離過近，家長沒能時刻關注到時，如果有一款可以實現parent control的應用，那是不是很方便？面對以
機器學習中常用的矩陣向量求導公式
學習機器學習的時候有很的線性代數的知識，其中有一些矩陣向量求導的東西不是很熟悉，今天查了很久覺得做一個總結。 定義1.梯度（Gradient） [標量對列向量微分] 設是一個變數為的標量函式，其中。那麼定義對的梯度為: 定義2. 海森矩
Andrew Ng 機器學習筆記 11 ：支援向量機(Support Vector Machine)
構建支援向量機 1.替換邏輯迴歸函式 2.去除多餘的常數項 1/m 3.正則化項係數的處理 大間距分類器 SVM決
機器學習實戰筆記5—支援向量機
注：此係列文章裡的部分演算法和深度學習筆記系列裡的內容有重合的地方，深度學習筆記裡是看教學視訊做的筆記，此處文章是看《機器學習實戰》這本書所做的筆記，雖然演算法相同，但示例程式碼有所不同，多敲一遍沒有壞處，哈哈。（裡面用到的資料集、程式碼可以到網上搜索，很容易找到。）。Python版本3.6